Как напечатать результат кластеризации в sklearn

Question

У меня скудная матрица

from scipy.sparse import *
M = csr_matrix((data_np, (rows_np, columns_np)));

тогда я делаю кластеризацию таким образом

from sklearn.cluster import KMeans
km = KMeans(n_clusters=n, init='random', max_iter=100, n_init=1, verbose=1)
km.fit(M)

и мой вопрос крайне нуб: как распечатать результат кластеризации без какой-либо дополнительной информации. Я не забочусь о заговоре или расстояниях. Мне просто нужно кластеризованные строки, выглядящие так

Cluster 1
row 1
row 2
row 3

Cluster 2
row 4
row 20
row 1000
...

Как я могу получить это? Извините за этот вопрос.

Answer 1

Время помочь себе. После

km.fit(M)

мы бегаем

labels = km.predict(M)

который возвращает метки, numpy.ndarray. Количество элементов в этом массиве равно количеству строк. И каждый элемент означает, что строка принадлежит кластеру. Например: если первый элемент равен 5, это означает, что строка 1 принадлежит кластеру 5. Давайте поместим наши строки в словарь списков, выглядящих следующим образом {cluster_number:[row1, row2, row3], ...}

# in row_dict we store actual meanings of rows, in my case it's russian words
clusters = {}
    n = 0
    for item in labels:
        if item in clusters:
            clusters[item].append(row_dict[n])
        else:
            clusters[item] = [row_dict[n]]
        n +=1

и распечатать результат

for item in clusters:
    print "Cluster ", item
    for i in clusters[item]:
        print i

Answer 2

Обновление: вы можете сделать это следующим образом

"""data= data clustered retrieved by function as you want"""
"""model = result from the data with got by KMeans"""
"""cluster = clusters formed by the model"""
from sklearn.cluster import KMeans

data = clusteredData()
model = KMeans(n_clusters=5, init='random', max_iter=100, n_init=1, verbose=1)
cluster = model.fit_predict(scale(data))

dictionary = {}
for index in range(len(data)): 
    if cluster[index] in dictionary:
        value = []
        value = dictionary[cluster[index]]
        value.append(data[index])
        dictionary[cluster[index]] = value
    else:
        dictionary[cluster[index]]=data[index]

Это создаст вам словарь с NUMBER_OF_THE_CLUSTER в качестве ключа и данными в этом кластере в качестве VALUE